[发明专利]一种针对植物领域的非分类关系识别方法

权利要求书

1.一种针对植物领域的非分类关系识别方法，其特征在于，所述方法为：

(1)根据对植物领域关系的分类，对分类关系和非分类关系进行定义；

所述分类关系的定义为：分类关系表示概念与概念之间的上下位的关系；非分类关系的定义为：非分类关系表示除了上下位关系以外的其它关系；

所述的分类关系包括层级关系和is-a关系；非分类关系包括整体部分关系及概念之间的依赖关系、关联关系、因果关系和相似关系；

(2)获取相关词条的非结构化网页内容，作为语料，对语料进行预处理，获得预处理模块；

(3)对获得的预处理模块，进行基于词汇-语法的非分类关系的初步抽取，获得初步抽取模块；

S3-1、从获得的预处理模块中，选取一小批植物百科中的植物品种词条，找出表达非分类关系的语句；

S3-2、对找出的非分类关系语句进行依存句法分析；

S3-3、对依存句法分析的结果，进行标注，即找出并标明句子中存在的非分类关系的概念，以及非分类关系的名称，记为R_i(X_i,Y_i)；

其中，R_i为非分类关系名称，X_i，Y_i分别为该非分类关系名称所对应的实体与属性；

S3-4、统计X_i、R_i、Y_i之间的依存关系序列，在其他标注X_j、R_j、Y_j(i≠j)中出现的次数；

S3-5、人工剔除不符合语法的依存关系序列后，得到出现多次的依存关系序列，即为表达非分类关系的词汇-语法模式；

S3-6、手工总结一些表达非分类关系的词汇-语法模式，作为补充；

S3-7、其中，非分类关系的词汇-语法模式采用：依存关系，即关节点，依存节点，对应非分类关系名称集，即施事概念，受事概念的形式表示；形式化为公式(1)：

公式中，D_i为依存关系，s_i为关节点，t_i为依存节点，L为非分类关系名称集，A为施事概念，B为受事概念；

其中，L、A、B为s_i和t_i中指定的元素，公式表示：当所有依存关系D_i都满足时，L(A,B)关系成立；

S3-8、对待提取的文档利用LTP进行预处理，然后将非分类关系的词汇-语法模式匹配归结为，在依存树中寻找子树的问题，即对句子的依存树进行检测，如果依存树中存在这些关节点和依存节点，其满足非分类关系的词汇-语法模式前件中的每项约束，则非分类关系的词汇-语法模式匹配成功，并将这些关节点和依存节点，按照词汇-语法模式的后件，转化为非分类关系名称集L，获得初步抽取模块；

(4)对获得的初步抽取模块，采用基于词表过滤和给模式添加限制的方法进行改进，获得改进抽取模块；所述的限制为单个限制或用约束组合对象表示多个限制的组合；

S4-1、对初步抽取模块进行过滤，当非分类关系名称集L的施事概念A与受事概念B都在词表中出现时，则保留该非分类关系名称集L；

S4-2、为手工设定的词汇-语法模式增加限制；

S4-3、首先采用手工设定的词汇-语法模式，在标注集上进行初步抽取；

S4-4、对于抽取成功的实例，将其施事概念A、非分类关系名称集L、受事概念B的词性和词中的字，用图的方式表示为限制；

S4-5、计算这些限制的所有子集在标注集上的Laplacian值；Laplacian值用公式(2)计算：

公式中，e为抽取的错误数，n为抽取的总数；其中Laplacian值越低，表示该限制组合在标注集上抽取的表现越好；

(5)对获得的改进抽取模块，基于百度百科半结构化文本的非分类关系抽取，获得非分类关系抽取模块；

(6)对获得的非分类关系抽取模块，进行形式化表达，获得形式化表达模块，最终获得可视性结果。